利用人工智能，路德維希(Ludwig)癌癥研究中心的科學家們開發了一種強大的預測模型，用于識別殺傷腫瘤細胞最有效的免疫細胞。該預測模型與其他算法相結合，可以應用于個性化癌癥治療，根據每位患者腫瘤的獨特細胞組成定制治療方案。相關研究結果發表在最新一期的《自然-生物技術》（Nature Biotechnology）雜志上。
路德維希·洛桑(Ludwig Lausanne)的Alexandre Harari說：“人工智能在細胞治療中的應用是新的，可能會改變游戲規則，為患者提供新的臨床選擇?！彼脱芯可?/span>rsammy psamtreand一起領導了這項研究。
細胞免疫療法包括從病人的腫瘤中提取免疫細胞，選擇性地改造它們以增強它們對抗癌癥的自然能力，并在培養后將它們重新引入體內。T細胞是兩種主要類型的白細胞或淋巴細胞之一，它們在血液中循環，巡邏病毒感染的細胞或癌細胞。
穿透實體腫瘤的T細胞被稱為腫瘤浸潤淋巴細胞，簡稱TIL。然而，并不是所有的TIL都能有效地識別和攻擊腫瘤細胞。Harari解釋說：“只有一小部分實際上是腫瘤反應性的——大多數是旁觀者，我們為自己設定的挑戰是識別少數配備能夠識別腫瘤抗原的T細胞受體的TIL?！?/span>
為了做到這一點，Harari和他的團隊開發了一種新的人工智能驅動的預測模型，稱為TRTpred，可以根據T細胞受體(TCR)的腫瘤反應性對其進行排名。為了開發TRTpred，他們使用了從轉移性黑色素瘤患者收集的235個TCR，這些患者已經被分類為腫瘤反應性或非反應性。該團隊將攜帶每種TCR的T細胞的全局基因表達或轉錄組譜加載到機器學習模型中，以識別區分腫瘤反應性T細胞與非活性T細胞的模式。
Harari解釋說：“TRTpred可以從一個T細胞群中學習，并創建一個規則，然后應用于一個新的T細胞群。因此，當面對新的TCR時，該模型可以讀取其轉錄組譜，并預測其是否具有腫瘤反應性。”
TRTpred模型分析了42名黑色素瘤、胃腸道、肺癌和乳腺癌患者的tcr，并以90%的準確率確定了腫瘤反應性TCR。研究人員進一步完善了他們的TIL選擇過程，通過應用二級算法過濾器來篩選那些具有“高親和力”的腫瘤反應性T細胞，即那些與腫瘤抗原結合強烈的T細胞。
Harari解釋說：“TRTpred是TCR是否具有腫瘤反應性的唯一預測指標，但是一些腫瘤反應性TCR與腫瘤細胞結合非常強烈，因此非常有效，而其他TCR只是懶洋洋地這樣做。區分強結合劑和弱結合劑可以轉化為功效?！?/span>
研究人員證明，被TRTpred和二級算法標記為腫瘤反應性和高親和性的T細胞更常被發現嵌入腫瘤內，而不是在鄰近的支持組織（稱為基質）中。這一發現與其他表明有效T細胞通常深入腫瘤胰島的研究相一致。
該團隊隨后引入了第三種過濾器，以最大限度地識別各種腫瘤抗原。Harari說：“我們想要的是最大化TIL靶向盡可能多的不同抗原的機會?！?/span>
最后的過濾器根據相似的物理和化學特性將TCR組織成組。研究人員假設每個簇中的TCR識別相同的抗原?！耙虼耍覀冊诿總€集群中選擇一個TCR進行擴增，這樣我們就可以最大限度地提高不同抗原目標的機會?！甭返戮S希·洛桑的計算科學家Vincent Zoete說，他開發了TCR貪婪度和TCR聚類算法。
研究人員將TRTpred和算法過濾器的組合稱為MixTRTpred。
為了驗證他們的方法，Harari的團隊在小鼠身上培養了人類腫瘤，從它們的TIL中提取了TCR，并使用MixTRTpred系統來鑒定具有腫瘤反應性、高親和力和靶向多種腫瘤抗原的T細胞。然后，他們從老鼠身上提取T細胞來表達這些TCR，并證明這些細胞在轉移到老鼠體內時可以消除腫瘤。
“這種方法有望克服目前基于TIL的治療的一些缺點，特別是對于那些目前對這種治療沒有反應的腫瘤患者”。
“我們的共同努力將帶來一種全新的T細胞療法?！?/span>
這項研究得到了路德維希癌癥研究所、瑞士國家科學基金會、癌癥基金會、Mats paulsson基金會和Biltema基金會的支持。
